MLA-C01 練習問題 3

あるレコメンデーションモデルは ML を使用しており、レコメンデーションを取得するために Amazon SageMaker AI エンドポイントを呼び出します。ML エンジニアは、予想されるユーザートラフィックの増加の間、モデルが利用可能であり続けることを保証しなければなりません。 これらの要件を満たすソリューションはどれですか？

【正解】A

【0からの解説】
Amazon SageMaker AI のリアルタイム推論エンドポイントは、Application Auto Scaling と統合されており、エンドポイント自体に自動スケーリングポリシーを構成できます。たとえば「インスタンスあたりの呼び出し数（SageMakerVariantInvocationsPerInstance）」をターゲットメトリクスに設定すると、トラフィックの増加に応じてエンドポイントを支えるインスタンス数が自動的に増減します。これにより、トラフィック増加時にも応答性と可用性が維持されます。

【誤りの選択肢】
B：新しいエンドポイントを追加で作成しても、トラフィックを振り分ける仕組みがなければ可用性は向上しません。スケーリングの自動化にもならず、手動管理の負担が増えるだけです。
C：SageMaker Neo はモデルを特定のハードウェア向けにコンパイル・最適化する機能です。1 リクエストあたりの推論は速くなる可能性がありますが、トラフィック増加に応じてキャパシティを増やす仕組みではないため、急増時の可用性は保証できません。
D：「Auto Scaling グループ」は Amazon EC2 のインスタンス群を管理する仕組みであり、SageMaker エンドポイントにアタッチすることはできません。SageMaker のスケーリングは Application Auto Scaling によるエンドポイントのスケーリングポリシーとして構成します（用語のひっかけです）。

【参考】
Amazon SageMaker AI モデルの自動スケーリング